FLUX.Model.Merge-Detail.Enhancement.and.Acceleration
세부 정보
파일 다운로드
모델 설명
창작자 본인으로부터: https://civitai.com/user/mdmachine :: 정말 훌륭합니다 : ) 아래 채팅에서
제가 이걸 실행할 때 보통 ComfyUI에서 연결된(3개) 샘플러를 사용합니다.
이것은 teacache를 약 .25로 설정합니다. CFG를 1.5로 설정하는 것이 첫 번째 샘플러에서 가장 중요하며, 이는 속도를 조금 희생하면서 초기 노이즈를 더 일관되게 정의하는 데 도움을 줍니다.
예를 들어 @ 45 스텝:
KSampler Adv #1: 노이즈 추가 활성화, 스텝 45, CFG 1.5, 샘플러 ipndm, 스케줄러 kl_optimal, 시작 스텝 0, 종료 스텝 15, 남은 노이즈 반환 시 true
KSampler Adv #2: 노이즈 추가 비활성화, 스텝 45, CFG 1.5, 샘플러 gradient_estimation, 스케줄러 kl_optimal, 시작 스텝 15, 종료 스텝 30, 노이즈 반환 시 true
KSampler Adv #3: 노이즈 추가 비활성화, 스텝 45, CFG 1.0, 샘플러 이름 res_multistep, 스케줄러 kl_optimal, 시작 스텝 30, 종료 스텝 45, 노이즈 반환 시 false
24 스텝에서 다음 방식으로 잘 작동합니다:
ipndm_v > euler > dpmpp_2m
스케줄러로 sgm_uniform 사용.
설정 및 업로드 중---
테스트 결과 빠릅니다 : )
- 단점: 내장된 디테일러가 추가된 LoRA를 덮어쓸 가능성
예제에서 제 프롬프트는 무시하십시오. 나머지 데이터는 정상입니다.
장점은 동일한 스텝으로 이 모델을 사용할 때 다른 모델보다 더 정제된 결과를 얻을 수 있다는 것입니다.
첫 번째는 Detail Plus! 8 스텝으로, 저는 12 스텝에서 사용합니다.
두 번째는 16 스텝으로, 저는 20 스텝에서 사용합니다.
Merge-Detail.enhancement.and.Acceleration
기반 모델 위에 구축된 병합된 모델:
디테일 향상 및 가속 기술이 적용되었으며, 특히 NVIDIA 4XXX 카드(3XXX도 가능)에 최적화되었습니다. 목표는 낮은 오버헤드로 높은 효율의 가속 모델을 갖는 것입니다.
(Detail Plus! De-Re-Distilled | Detail Plus! Distilled) 모델은 CFG를 약 1로 유지한 채 사용할 수 있습니다. 내장된 가속기가 대부분 의도한 대로 작동합니다. 이는 워크플로우 최적화의 산물이므로 언제든지 변경되거나 나타나거나 사라질 수 있습니다.
Detail Plus! - 기반 모델 Freepik의 Flux.1-Lite-8B-alpha:
사용된 디테일 향상 기술:
가속 기여:
ByteDance, 선도적인 AI 기술 기업이 다음 모델을 최적화했습니다:
정보 및 크레딧 출처: mdmachine